Funções avançadas

O Construtor de métricas calculadas permite aplicar funções matemáticas e estatísticas. Este artigo documenta a lista alfabética das funções avançadas e suas definições.

Acesse essas funções selecionando Mostrar tudo abaixo da lista Funções no painel Componentes. Role para baixo para ver a lista de Funções avançadas.

Funções de tabela versus funções de linha

Uma função de tabela exibe um resultado igual para cada linha da tabela. Uma função de linha exibe um resultado diferente para cada linha da tabela.

Onde aplicável e relevante, uma função é anotada com o tipo de função: [Tabela]{class="badge neutral"}[Linha]{class="badge neutral"}

O que significa o parâmetro “incluir zeros”?

Informa se os zeros devem ou não ser incluídos no cálculo. Às vezes, zero significa nada, mas em alguns casos, pode ser importante.

Por exemplo, se você possuir uma métrica Receita e adicionar a métrica Visualizações de página ao relatório, aparecerão mais linhas com valores iguais a zero na sua receita. Você provavelmente não vai querer que essa métrica adicional afete qualquer MÉDIA, MÍNIMO DA LINHA, QUARTIL e outros cálculos que você tenha na coluna receita. Neste caso, você deverá marcar o parâmetro include-zeros.

Um cenário alternativo é o que você tem duas métricas de interesse e uma tem uma média ou um mínimo mais alto porque algumas das linhas são zeros. Nesse caso, é possível optar por não marcar o parâmetro para incluir zeros

E and

AND(logical_test)

Conjunção. Diferente de zero é considerado verdadeiro e igual a zero é considerado falso. A saída é 0 (falso) ou 1 (verdadeiro).

Contagem distinta aproximada approximate_count_distinct

APPROXIMATE COUNT DISTINCT(dimension)

Retorna a contagem distinta aproximada de itens de dimensão para a dimensão selecionada.

Exemplo

Um caso de uso comum para essa função é quando você deseja obter um número aproximado de clientes.

Arco cosseno arc-cosine

  ARC COSINE(metric)

[Linha]{class="badge neutral"}

Arco seno arc-sine

  ARC SINE(metric)

[Linha]{class="badge neutral"}

Arco tangente arc-tangent

  ARC TANGENT(metric)

[Linha]{class="badge neutral"}

Cdf-T cdf-t

  CDF-T(metric, number)

Retorna a probabilidade de uma variável aleatória com distribuição t de student de n graus de liberdade ter uma pontuação z menor que col.

Exemplo

CDF-T(-∞, n) = 0
CDF-T(∞, n) = 1
CDF-T(3, 5) ? 0.99865
CDF-T(-2, 7) ? 0.0227501
CDF-T(x, ∞) ? cdf_z(x)

Cdf-Z cdf-z

CDF-Z(metric, number)

Retorna a probabilidade de uma variável aleatória com uma distribuição normal ter uma pontuação z menor que col.

Exemplos

CDF-Z(-∞) = 0
CDF-Z(∞) = 1
CDF-Z(0) = 0.5
CDF-Z(2) ? 0.97725
CDF-Z(-3) ? 0.0013499

Teto ceiling

  CEILING(metric)

[Linha]{class="badge neutral"}

Confiança confidence

  CONFIDENCE(normalizing-container, success-metric, control, significance-treshold)

Calcule a confiança válida a qualquer momento usando o método WASKR, conforme descrito em Teorema central do limite uniforme no tempo e sequências de confiança assintótica.

A confiança é uma medida probabilística sobre quantas evidências existem de que determinada variante é a mesma que a variante de controle. Uma confiança maior indica menos evidência para o pressuposto de que as variantes de controle e de não controle têm desempenho igual.

Confiança (Inferior) confidence-lower

  CONFIDENCE(normalizing-container, success-metric, control, significance-treshold)

Calcule a confiança inferior válida a qualquer momento usando o método WASKR, conforme descrito em Teorema central do limite uniforme no tempo e sequências de confiança assintótica.

A confiança é uma medida probabilística sobre quantas evidências existem de que determinada variante é a mesma que a variante de controle. Uma confiança maior indica menos evidência para o pressuposto de que as variantes de controle e de não controle têm desempenho igual.

Confiança (Superior) confidence-upper

  CONFIDENCE(normalizing-container, success-metric, control, significance-treshold)

Calcule a confiança superior válida a qualquer momento usando o método WASKR, conforme descrito em Teorema central do limite uniforme no tempo e sequências de confiança assintótica.

A confiança é uma medida probabilística sobre quantas evidências existem de que determinada variante é a mesma que a variante de controle. Uma confiança maior indica menos evidência para o pressuposto de que as variantes de controle e de não controle têm desempenho igual.

Cosseno cosine

  COSINE(metric)

[Linha]{class="badge neutral"}

Raiz cúbica cube-root

  CUBE ROOT(metric)

Retorna a raiz de cúbica positiva de um número. A raiz cúbica de um número é o valor desse número elevado à potência de 1/3.

Cumulativo cumulative

  CUMULATIVE(number, metric)

Retorna a soma dos últimos n elementos da coluna x. Se n > 0, soma os últimos n elementos ou x. Se n < 0, soma os elementos anteriores.

Exemplos

Cumulativo (Média) cumulative-average

  CUMULATIVE AVERAGE(number, metric)

Retorna a média dos últimos n elementos da coluna x. Se n > 0, soma os últimos n elementos ou x. Se n < 0, soma os elementos anteriores.

NOTE

Essa função não tem efeito em métricas de taxa, como a receita por pessoa. A função calcula a média das taxas em vez de dividir a soma da receita dos últimos N e a soma das pessoas dos últimos N.
Em vez disso, use CUMULATIVE(revenue) CUMULATIVE(person).

Igual equal

  EQUAL()

Igual. A saída é 0 (falso) ou 1 (verdadeiro).

Exemplo

Metric 1 = Metric 2

Regressão exponencial: coeficiente de correlação exponential-regression-correlation-coefficient

  EXPONENTIAL REGRESSION: CORRELATION COEFFICIENT(metric_X, metric_Y, include_zeros)

[Tabela]{class="badge neutral"}

Regressão exponencial: previsão de Y exponential-regression-predicted-y

  EXPONENTIAL REGRESSION: PREDICTED Y(metric_X, metric_Y, include_zeros)

[Linha]{class="badge neutral"}

Regressão exponencial: intercepto exponential-regression-intercept

  EXPONENTIAL REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

[Tabela]{class="badge neutral"}

Regressão exponencial: inclinação exponential-regression-slope

  EXPONENTIAL REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

[Tabela]{class="badge neutral"}

Piso floor

  FLOOR(metric_X, metric_Y, include_zeros)

[Linha]{class="badge neutral"}

Maior que greather-than

  GREATER THAN()

A saída é 0 (falso) ou 1 (verdadeiro).

Exemplo

Metric 1 > Metric 2

Maior que ou igual greater-than-or-equal

  GREATER THAN OR EQUAL()

Maior ou igual a. A saída é 0 (falso) ou 1 (verdadeiro).

Exemplo

Metric 1 >= Metric 2

Cosseno hiperbólico hyperbolic-cosine

  HYPERBOLIC COSINE(metric)

[Linha]{class="badge neutral"}

Seno hiperbólico hyperbolic-sine

  HYPERBOLIC SINE(metric)

[Linha]{class="badge neutral"}

Tangente hiperbólica hyperbolic-tangent

  HYPERBOLIC TANGENT(metric)

[Linha]{class="badge neutral"}

Se if

  IF(logical_test, value_if_true, value_if_false)

[Linha]{class="badge neutral"}

Menor que less-than

  LESS THAN()

A saída é 0 (falso) ou 1 (verdadeiro).

Exemplo

Metric 1 < Metric 2

Menor que ou igual less-than-or-equal

  LESS THAN OR EQUAL()

Menor ou igual a. A saída é 0 (falso) ou 1 (verdadeiro).

Exemplo

Metric 1 <= Metric 2

Elevação (#lift)

Regressão linear: coeficiente de correlação linear-regression-correlation-coefficient

  LINEAR REGRESSION: CORRELATION COEFFICIENT(metric_X, metric_Y, include_zeros)

[Tabela]{class="badge neutral"}

Regressão linear: intercepto linear-regression-intercept

  LINEAR REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

[Tabela]{class="badge neutral"}

Regressão linear: previsão de Y linear-regression-predicted-y

  LINEAR REGRESSION: PREDICTED Y(metric_X, metric_Y, include_zeros)

[Linha]{class="badge neutral"}

Regressão linear: inclinação linear-regression-slope

  LINEAR REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

[Tabela]{class="badge neutral"}

Logaritmo na base 10 log-base-ten

  LOG BASE 10(metric)

[Linha]{class="badge neutral"}

Regressão logarítmica: coeficiente de correlação log-regression-correlation-coefficient

  LOG REGRESSION: CORRELATION COEFFICIENT(metric_X, metric_Y, include_zeros)

[Tabela]{class="badge neutral"}

Regressão logarítmica: intercepto log-regression-intercept

  LOG REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

[Tabela]{class="badge neutral"}

Regressão logarítmica: Y previsto log-regression-predicted-y

  LOG REGRESSION: PREDICTED Y(metric_X, metric_Y, include_zeros)

[Linha]{class="badge neutral"}

Regressão logarítmica: inclinação log-regression-slope

  LOG REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

[Tabela]{class="badge neutral"}

Logaritmo natural natural-log

  NATURAL LOG(metric)

Retorna o logaritmo natural de um número. Os logaritmos naturais são baseados na constante e (2,71828182845904). LN é o inverso da função EXP.

Não not

  NOT(logical)

Negação como booleano. A saída é ou 0 (falso) ou 1 (verdadeiro).

Não igual not-equal

  NOT EQUAL()

Não igual. A saída é 0 (falso) ou 1 (verdadeiro).

Exemplo

Metric 1 != Metric 2

Ou or

  OR(logical_test)

[Linha]{class="badge neutral"}

Pi pi

  PI()

Retorna Pi: 3,14159…

Regressão de potência: coeficiente de correlação power-regression-correlation-coefficient

  POWER REGRESSION: CORRELATION COEFFICIENT(metric_X, metric_Y, include_zeros)

[Tabela]{class="badge neutral"}

Regressão de potência: intercepto power-regression-intercept

  POWER REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

[Tabela]{class="badge neutral"}

Regressão de potência: previsão de Y power-regression-predicted-y

  POWER REGRESSION: PREDICTED Y(metric_X, metric_Y, include_zeros)

[Linha]{class="badge neutral"}

Regressão de potência: inclinação power-regression-slope

  POWER REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

[Tabela]{class="badge neutral"}

Regressão quadrática: coeficiente de correlação quadratic-regression-correlation-coefficient

  QUADRATIC REGRESSION: CORRELATION COEFFICIENT(metric_X, metric_Y, include_zeros)

[Tabela]{class="badge neutral"}

Regressão quadrática: intercepto quadratic-regression-intercept

  QUADRATIC REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

[Tabela]{class="badge neutral"}

Regressão quadrática: previsão de Y quadratic-regression-predicted-y

  QUADRATIC REGRESSION: PREDICTED Y(metric_X, metric_Y, include_zeros)

[Linha]{class="badge neutral"}

Regressão quadrática: inclinação quadratic-regression-slope

  QUADRATIC REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

[Tabela]{class="badge neutral"}

Regressão recíproca: coeficiente de correlação reciprocal-regression-correlation-coefficient

  RECIPROCAL REGRESSION: CORRELATION COEFFICIENT(metric_X, metric_Y, include_zeros)

[Tabela]{class="badge neutral"}

Regressão recíproca: intercepto reciprocal-regression-intercept

  RECIPROCAL REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

[Tabela]{class="badge neutral"}

Regressão recíproca: previsão de Y reciprocal-regression-predicted-y

  RECIPROCAL REGRESSION: PREDICTED Y(metric_X, metric_Y, include_zeros)

[Linha]{class="badge neutral"}

Regressão recíproca: inclinação reciprocal-regression-slope

  RECIPROCAL REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

[Tabela]{class="badge neutral"}

Seno sine

  SINE(metric)

[Linha]{class="badge neutral"}

Pontuação t t-score

  T-SCORE(metric, include_zeros)

O desvio da MÉDIA, dividido pelo desvio padrão. Alias da Pontuação Z.

Teste t t-test

  T-TEST(metric, degrees, tails)

Realiza um teste t com cauda m e com pontuação t de x e n graus de liberdade.

Detalhes

A assinatura é T-TEST(métrica, graus, caudas). Abaixo, ela simplesmente chama m CDF-T(-ABSOLUTE VALUE(tails), degrees). Esta função é semelhante à função Z-TEST, que executa m CDF-Z(-ABSOLUTE VALUE(tails)).

O valor de retorno é a probabilidade de exibição da estatística de teste x, dados os graus de liberdade e o número de caudas.

Exemplos

Tangente tangent

  TANGENT(metric)

Retorna a tangente do ângulo especificado. Se o ângulo estiver em graus, multiplique o ângulo por PI()/180.

Pontuação Z z-score

  Z-SCORE(metric, include_zeros)

[Linha]{class="badge neutral"}

Uma pontuação z de 0 (zero) significa que a pontuação é igual à média. Uma pontuação Z pode ser positiva ou negativa, indicando se está acima ou abaixo da média e o número de desvios padrão.

A equação da pontuação Z é:

Onde x é a pontuação bruta, μ é a média da população e σ é o desvio padrão da população.

Teste z z-test

  Z-TEST(metric_tails)

Realiza um teste z com cauda n e com uma pontuação z de x.